玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型.pdf
<p>中國(guó)農(nóng)業(yè)氣象（ Chinese Journal of Agrometeorology） 2018年 doi:10.3969/j.issn.1000-6362.2018.10.003 韋婷婷 ,楊再?gòu)?qiáng) ,王琳 ,等 .玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型 J.中國(guó)農(nóng)業(yè)氣象 ,2018,39(10):644655 玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型 * 1韋婷婷 1 ，楊再?gòu)?qiáng) 1,2* ，王 琳 1 ，趙和麗 1 ，李佳帥 1（ 1南京信息工程大學(xué)氣象災(zāi)害預(yù)報(bào)預(yù)警與評(píng)估協(xié)同創(chuàng)新中心，南京 210044； 2江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室，南京 210044） 摘要： 20142016年在江蘇省不同地區(qū)選擇塑料大棚和玻璃溫室進(jìn)行設(shè)施內(nèi)氣溫監(jiān)測(cè)，基于設(shè)施內(nèi)日最高和 最低氣溫，采用余弦分段函數(shù)、正弦分段函數(shù)、正弦 指數(shù)分段函數(shù)、一次分段函數(shù)和神經(jīng)網(wǎng)絡(luò)模型分別模 擬不同季節(jié)和不同天氣狀況（晴天和陰雨天）下的逐時(shí)氣溫日變化，探究利用室內(nèi)最高和最低氣溫模擬計(jì)算 逐時(shí)氣溫的方法，以及設(shè)施內(nèi)逐時(shí)氣溫日變化規(guī)律。結(jié)果表明： 5種模型均可通過(guò)當(dāng)日最高、最低氣溫模擬 逐時(shí)氣溫變化，其中神經(jīng)網(wǎng)絡(luò)模擬精度較高（ RMSE=0.69） ，并且受溫室類型、天氣狀況和季節(jié)變化的影 響較小，普適性較高；正弦 指數(shù)分段函數(shù)模擬效果最好（ RMSE=0.43） ，且受天氣和季節(jié)的影響較小，但 其受溫室本身特性和地區(qū)的影響較大；余弦分段函數(shù)（ RMSE=0.85）和正弦分段函數(shù)（ RMSE=0.78）模 擬效果相近，且受天氣和地區(qū)的影響；一次分段函數(shù)準(zhǔn)確度較低（ RMSE=0.90）且誤差變化較大。各方法 對(duì)塑料大棚內(nèi)逐時(shí)氣溫的模擬精度均高于玻璃溫室。模 型模擬精度的季節(jié)變化因模型和溫室類型有一定差 異，但通常情況下，春季和冬季的模擬誤差大于秋季，夏季誤差最小。 關(guān)鍵詞： 塑料大棚；玻璃溫室；溫度模擬；溫室；氣溫日變化 Simulation Model of Hourly Air Temperature inside Glass Greenhouse and Plastic Greenhouse WEI Ting-ting 1 , YANG Zai-qiang 1,2 , WANG Lin 1 , ZHAO He-li 1 , LI Jia-shuai 1(1. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science 2. Jiangsu Provincial Key Laboratory of Agrometeorology, Nanjing 210044) Abstract: In 20142016, plastic greenhouses and glass greenhouses in different districts of Jiangsu Province were selected for monitoring. Cosine segmentation function, sinusoidal piecewise function, sine-exponential piecewise function, first-order function and neural network model were used to simulate inside hourly temperature in different seasons and different weather conditions (clear day and rainy day). The results showed that all five models can simulate hourly air temperature inside greenhouse through the highest and lowest temperature of the day. The neural network simulation accuracy was the higher (RMSE=0.69 ) and was less affected by the type of greenhouse, weather conditions, and seasonal changes, the universality was higher. The sinusoidal-exponential piecewise function had the best accuracy (RMSE=0.43 ) and was less affected by weather and seasons, but it was affected by the characteristics of the greenhouse itself and the region. The cosine piecewise function (RMSE=0.8 ) and the sinusoidal function (RMSE=0.78 ) had similar simulation results and was affected by the weather and region. The accuracy of a piecewise function is low (RMSE=0.90 ) and the error varies greatly. Models had higher simulation accuracy in plastic greenhouses then it in glass greenhouses. Seasonal variation of the model's simulation accuracy was different between the models and the types of greenhouse, but usually, the simulation error in spring and winter *收稿日期： 20180301 * 通訊作者。 E-mail： yzqnuist.edu.cn 基金項(xiàng)目：國(guó)家自然科學(xué)基金面上項(xiàng)目（ 41775104）；江蘇省科技支撐計(jì)劃社會(huì)發(fā)展項(xiàng)目（ BE2015693）； 2018年度江蘇 省研究生科研創(chuàng)新計(jì)劃（ KYCX18_1028） 作者簡(jiǎn)介：韋婷婷（ 1996），女，研究方向?yàn)樵O(shè)施農(nóng)業(yè)氣象。 E-mail： 2843717682qq.com 第 10期 韋婷婷等：玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型 ·645· was greater than in autumn, and the error in summer was the smallest. Key words: Plastic greenhouse;Glass greenhouse; Simulation of air temperature； Greenhouse； Daily variation of temperature 在中國(guó)南方地區(qū)，塑料大棚和玻璃溫室已經(jīng)在 蔬菜和水果種植中得到廣泛應(yīng)用。溫室內(nèi)氣溫的變 化不僅關(guān)系到室內(nèi)作物的生長(zhǎng)發(fā)育以及產(chǎn)量形成， 對(duì)果實(shí)的品質(zhì)也有重要影響。故研究溫室內(nèi)氣溫的 變化對(duì)調(diào)節(jié)溫室環(huán)境，防御相關(guān)氣象災(zāi)害有一定幫 助， 同時(shí)也可以為人工氣候箱試驗(yàn)的動(dòng)態(tài)氣溫設(shè)置 12 提供理論依據(jù)。 近年來(lái)，不少學(xué)者通過(guò)物理模型和統(tǒng)計(jì)模型對(duì) 溫室氣溫的日變化進(jìn)行了模擬。物理方法主要包括 能量平衡方法 34 和流體動(dòng)力學(xué)方法 56 ， 這些方法具 有很強(qiáng)的機(jī)理性，可釋度高，但是需要大量的相關(guān) 參數(shù)作支持，通常情況下，所需參數(shù)的值難以準(zhǔn)確 計(jì)算，導(dǎo)致模擬過(guò)程復(fù)雜，結(jié)果出現(xiàn)誤差。同時(shí)， 也有大量學(xué)者嘗試?yán)媒y(tǒng)計(jì)模型通過(guò)室外氣象要素 對(duì)溫室氣溫進(jìn)行預(yù)測(cè)，主要集中在對(duì)溫室最高、最 低氣溫的預(yù)測(cè) 712 。 楊文剛等 13 研究了春季不同類型 溫室氣溫的回歸預(yù)測(cè)方程。 劉淑梅等 1415 運(yùn) 用 BP神 經(jīng)網(wǎng)絡(luò)的方法分別 建立 了對(duì)日 光 溫室和塑料大棚內(nèi) 氣溫的預(yù)測(cè)模型。 李倩 等 1617 對(duì)南方地區(qū) 單棟 塑料 大棚和 雙膜 塑料大棚內(nèi)氣溫進(jìn)行了 諧波 模擬，得到 了較好的結(jié)果。但在模擬計(jì)算室內(nèi)逐時(shí)氣溫時(shí)，通 常要 求 有長(zhǎng)期的室外逐時(shí)氣象數(shù)據(jù)作為支持，這對(duì) 大 部 分溫室 而言 是一 個(gè) 難 點(diǎn) 。 對(duì)于室外氣溫， Reicosky 等 18 提出并 總 結(jié)了用 最高、最低氣溫模擬室外逐時(shí)氣溫的方法，并得到 廣泛應(yīng)用。余 衛(wèi)東 等 19 運(yùn) 用正弦 指數(shù)分段函數(shù)對(duì)室 外氣溫的日變化進(jìn)行了模擬。 姜會(huì)飛 等 20 應(yīng)用正弦 分段法對(duì)氣溫的日變化進(jìn)行了模擬。 徐凡 等 21 也 使 用了數(shù)學(xué)方法對(duì)溫室外的氣溫日變化進(jìn)行了模擬， 得到 華北 地區(qū)室外氣溫的 轉(zhuǎn) 化系數(shù)。有研究表明溫 室內(nèi)氣溫變化 與 室外氣溫變化 總 體 上 一致 22 ，但是 在冬季可能 會(huì) 出現(xiàn) 延遲 。所以適用于模擬室外逐時(shí) 氣溫的方法對(duì)溫室內(nèi)氣溫可能也同 樣 適用，但是 目 前 并 沒(méi) 有相關(guān)研究 證 明這一 點(diǎn) 。 本研究 使 用余弦分段函數(shù)（ WAV E） 、正弦分段 函數(shù)（ WCALC） 、正弦 指數(shù)分段函數(shù)（ TEMP） 、一 次分段函數(shù)（ SAWTOOTH）以及近年來(lái)常用的 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型模擬了江蘇地區(qū)常 見(jiàn) 溫室類型 （塑料大棚和玻璃溫室）在不同季節(jié)、不同天氣 條件 下的氣溫逐時(shí)變化，并對(duì)模型的精度進(jìn)行 比 較，擬 在 證 明在不同天氣和溫室類型下利用設(shè)施內(nèi)日最 高、最低氣溫模擬氣溫動(dòng)態(tài)變化的可行性，并且分 析 不同模型在不同 條件 下的模擬特 點(diǎn) ，以選 取 普適 性較高的模型。 1 材料與方法 1.1 研究區(qū)域和資料獲取 選 取 江蘇省 句容 、 泰州 、南 京 3個(gè) 地區(qū)的 2棟 塑料大棚和 2棟 玻璃溫室（表 1），于 20142016年 在各溫室內(nèi) 距 地 面 1.5m處架 設(shè) CR-3000數(shù)據(jù)采集 器 （ 美 國(guó)） ， 觀 測(cè)要素包括氣溫、相對(duì) 濕 度、日 照 時(shí)數(shù)、 太陽(yáng)總輻射 ，數(shù)據(jù)采集 頻率 為 每 10s一次， 存儲(chǔ)每 小 時(shí)的平均值。以 3月 1日 5月 31日為春季， 6月 1 日 8月 31日為夏季， 9月 1日 11月 30日為秋季， 12月 1日 翌 年 2月 28日為冬季，在 每個(gè) 季節(jié) 根 據(jù) 日 照百 分 率 以及室外 降 水情況選 取 一 個(gè)典 型晴天和 典 型陰雨天進(jìn)行模擬，其中 典 型晴天日 照百 分 率超 過(guò) 90%且 無(wú)降 水，陰雨天氣日 照百 分 率 低于 10%或 有 降 水。 表 1 研究地點(diǎn)概況 Table 1 Overview of the study greenhouses 溫室類型 Greenhouse type 地區(qū) Area 經(jīng)緯度 Longitide and latitude 溫室高度 Hight（ m） 溫室跨度 Span（ m） 作物 Crop 觀測(cè)時(shí)間 Observe time（ yyyy.mm.dd） 句容 Jurong 119.85°E，31.89°N 3.5 11.0 葡萄Grape 2015.01.012017.02.28 塑料大棚 Plastic 盤城 Pancheng 118.67°E，32.21°N 3.5 11.0 葡萄Grape 2015.01.012017.02.28 泰州 Taizhou 120.26°E，32.02°N 4.5 25.0 葡萄， 甜椒 Grape，pimento 2014.01.012016.02.28 玻璃溫室 Glassed 浦口 Pukou 118.71°E，32.21°N 4.5 25.0 葡萄，番茄 Grape， tomato 2015.01.012017.02.28 中 國(guó) 農(nóng) 業(yè) 氣 象 第 39卷 ·646· 1.2 模擬方法及相關(guān)參數(shù)的計(jì)算 1.2.1 余弦分段函數(shù)（ WAV E） 該 方法 認(rèn) 為氣溫的日變化是關(guān)于最高、最低氣 溫和時(shí) 間 的余弦函數(shù)，且 認(rèn) 為當(dāng)日最低氣溫出現(xiàn)在 日出 前后 ，最高氣溫出現(xiàn)在 午后 ， 只 需 輸入 當(dāng)日最 高、最低氣溫， 即 可模擬其逐時(shí)變化過(guò)程 18， 23 。 1.2.2 正弦分段函數(shù)（ WCALC） 該 方法需要 連續(xù) 3d的最高、最低氣溫作為 輸入 值，可以模擬出中 間 一天的逐時(shí)氣溫， 它將 一天分 為 3段， 認(rèn) 為 午夜至 日出 后 2h氣溫逐 漸呈線 性 降 低， 日出 后 2h至 日 落 時(shí) 刻 氣溫的變化可以用一 個(gè) 正弦函 數(shù)表 示 ，日 落后至午夜 氣溫 呈線 性 降 低 2425 。日出時(shí) 間 和日 落 時(shí) 間由 測(cè) 點(diǎn) 經(jīng) 緯 度計(jì)算得到，為 便 于計(jì)算逐 時(shí)氣溫， 認(rèn) 為江蘇地區(qū)春夏季節(jié)日出時(shí) 間 為 6： 00， 日 落 時(shí) 間 為 19： 00；秋冬季節(jié)日出時(shí) 間 為 7： 00， 日 落 時(shí) 間 為 18： 00。 1.2.3 正弦 指數(shù)分段函數(shù)（ TEMP） 此 方法 認(rèn) 為日出時(shí) 日 落 時(shí)，氣溫 按 正弦 曲線 變 化，日 落后 氣溫 按 指數(shù) 曲線減 小 18,20,25 。日 落 時(shí) 間 和 日出時(shí) 間 的確定方法 與 正弦分段函數(shù)法相同。 1.2.4 一次分段函數(shù)（ SAWTOOTH） 該 方法 認(rèn) 為氣溫的日變化是 直線遞增 （ 遞減 ） 的， 呈鋸齒 狀 波 動(dòng)，用 3個(gè) 一次函數(shù) 即 可模擬 18 。 對(duì) 觀 測(cè) 樣 本進(jìn)行統(tǒng)計(jì) 后 ， 認(rèn) 為春秋季節(jié)最低溫出現(xiàn) 在 6： 00，最高溫出現(xiàn)在 15： 00，夏季最低溫出現(xiàn)的 時(shí) 間 提 前 1h，冬季 則延后 1h，最高溫出現(xiàn)時(shí) 間 不變。 1.2.5 神經(jīng)網(wǎng)絡(luò)法（ BP） 將觀 測(cè)期 間 第一年的室內(nèi)氣溫?cái)?shù)據(jù)作為 建 模數(shù) 據(jù)， 每個(gè) 季節(jié) 隨 機(jī)選 取 77d逐時(shí)氣溫?cái)?shù)據(jù)作為 訓(xùn)練 樣 本，經(jīng)過(guò)歸一化 處 理 后 ， 隱含層 中設(shè)置最高、最 低氣溫和時(shí) 刻 3個(gè) 節(jié) 點(diǎn) ， 隱含層 和 輸 出 層傳遞 函數(shù) 采用 S型對(duì)數(shù)函數(shù) Logsig 26 ， 之后 用 剩 余 15d的逐 時(shí)氣溫?cái)?shù)據(jù)作為 檢 驗(yàn) 樣 本，以提高模型精度。神經(jīng) 網(wǎng)絡(luò)的相關(guān)參數(shù)分別設(shè)置為： 初始 學(xué) 習(xí)速率 為 0.1， 慣 量因 子 為 0.9，最大 迭代 次數(shù)為 1000次， 目標(biāo) 誤 差為 0.00004。神經(jīng)網(wǎng)絡(luò)模型采用 Matlab2016a軟件 通過(guò) 編 程實(shí)現(xiàn)。在模型 使 用過(guò)程中， 只 需要 輸入 當(dāng)天 的最高、最低氣溫 就 可以模擬 任意 時(shí) 刻 的室內(nèi)氣溫。 1.3 模擬結(jié)果檢驗(yàn)參數(shù) 相關(guān)系數(shù)（ 皮爾遜 相關(guān)系數(shù) R）是衡量 兩組 數(shù)據(jù) 之間線 性相關(guān)程度的量， R越趨 近于 1， 則 表 示 模擬 結(jié)果 與 實(shí)測(cè)值相關(guān)性 越 好，結(jié)果 越 精確。均方 根 誤 差（ Root Mean Square Error， RMSE）可以 反 應(yīng)誤差 的 離散 程度， RMSE越 小表 示 模擬效果 越 好。平均 偏 差 （ Mean Bias Error， MBE） 主要 考慮 了誤差的正 負(fù) ， 可以 反映 模型高 估或 低 估 了實(shí) 際 情況， MBE越接 近 0，模擬效果 越 好。相應(yīng)計(jì)算 式 為 24 ii i1 24 24 22 ii i1 i1 (T T)(T T) R (T T) (T T) = = = （ 1） 24 2 ii i=1 RMSE= (T T) /24 （ 2） 24 2 ii i=1 MBE= (T T) /24 （ 3） 式 中， i表 示 1d內(nèi)的第 i個(gè) 時(shí) 刻 （ 1 i 24）， T i 表 示 第 i時(shí) 刻 溫室內(nèi)氣溫的實(shí) 際觀 測(cè)值， T表 示 溫室 內(nèi) 1d實(shí) 際 氣溫的平均值， i T表 示 第 i時(shí) 刻 溫室內(nèi)氣溫 的模擬值， T表 示 1d內(nèi)溫室氣溫模擬結(jié)果的平均值。 2 結(jié)果與分析 2.1 塑料大棚室內(nèi)逐時(shí)氣溫變化過(guò)程模擬結(jié)果比較 2.1.1 各季節(jié)模擬結(jié)果的 比 較 在 句容 和 盤城 地區(qū)， 基于 2016年逐日 觀 測(cè)數(shù)據(jù)， 分別利用 5種模型模擬塑料大棚溫室內(nèi)逐時(shí)氣溫的 變化過(guò)程， 每 日同一時(shí) 刻 室內(nèi)氣溫平均 后 得到各季 節(jié)逐時(shí)氣溫的變化過(guò)程， 與 相應(yīng)實(shí)測(cè)數(shù)據(jù)的平均值 進(jìn)行對(duì) 比 ，結(jié)果 見(jiàn)圖 1。 由圖 可 見(jiàn) ， 5種模型模擬的 逐時(shí)氣溫變化過(guò)程 與 實(shí)測(cè)數(shù)據(jù)分 布 特 點(diǎn) 基本一致， 均表現(xiàn)為 0： 009： 00逐 漸降 低， 9： 0015： 00快 速升 高， 15： 0024： 00逐 漸降 低的過(guò)程， 只 是各模 型 曲線與 實(shí)測(cè) 曲線 的擬 合 程度 略 有不同。表 2為 5 種模型對(duì)塑料大棚內(nèi) 四 季逐時(shí)平均氣溫模擬精度。 為 便 于 比 較模型 總 體誤差，計(jì)算 句容 地區(qū) 5種模型 全 年的平均模擬誤差（ 忽略 季節(jié)影響， 取四 季平均 值， 后 同）分別為 0.86、 0.78、 0.31、 0.92和 0.76 （分別對(duì)應(yīng)余弦分段函數(shù) WAV E、正弦分段函數(shù) WCALC、正弦 指數(shù)分段函數(shù) TEMP、一次分段函 數(shù) SAWTOOH 和神經(jīng)網(wǎng)絡(luò)模型 BP，下同） ，其中 TEMP模擬效果最好，夏季誤差最小，且其平均 偏 差 （ MBE）為 負(fù) 值，表明預(yù)測(cè)結(jié)果 略 高于實(shí) 際 氣溫； BP 的模擬效果在 整 體 上 僅次于 TEMP模型，但其在不 同季節(jié)模擬效果差異較大，在夏季模擬效果最差， 秋季模擬效果較好，預(yù)測(cè)結(jié)果也 稍 高于實(shí) 際 氣溫； WCALC的模擬精度較高，其 隨 季節(jié)變化并不明 顯 ， 第 10期 韋婷婷等：玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型 ·647· 其 MBE較低，且通常為正值， 即 模擬結(jié)果 稍 低于實(shí) 際 氣溫； WAV E 的模擬效果一 般 ，在春夏季 稍 好， MBE也為 負(fù) 值，且在夏季 絕 對(duì)值最小； SAWTOOH 的模擬效果較差，特別是在春季和冬季。對(duì)于 盤城 地區(qū)， 5種模型 全 年的平均誤差分別為 0.24、 0.41、 0.34、 0.22和 0.40， 與句容 地區(qū)相 比 ， 盤城 塑料大 棚的模擬結(jié)果 更 好一些，并且不同模型的精度提高 程度也不同，但各模型模擬結(jié)果的 MBE的特 點(diǎn) 并 未 改 變。 SAWTOOH 對(duì) 盤城 地區(qū)的模擬效果最好， 與 句容 地區(qū)相 比 誤差 減 小了 76.1%， 模型在 4個(gè) 季節(jié)均 有 良 好的模擬精度，特別是在夏季； WAV E 的模擬 精度也有較大提高，誤差 減 少了 72.1%，在春夏季節(jié) 的模擬情況好于秋冬季節(jié)； TEMP模型的模擬情況 與 句容 地區(qū)相 似 ，誤差較小且在夏季誤差最??； BP模 型的誤差也 減 少了 47.3%，同 樣 在秋季的模擬效果最 好； WCALC函數(shù)的模擬誤差 與 BP模型相近， 與句 容 地區(qū)相 比 ，誤差 減 少了 47.4%，且在冬春季節(jié)的誤 差較大。 綜上 ， 5種模型均可 根 據(jù)日最高、最低氣溫模擬 塑料大棚內(nèi)氣溫的逐時(shí)日變化， 5種模型的平均誤差 分別為 0.55、 0.59、 0.32、 0.57、 0.58。對(duì)于不同 的塑料大棚， TEMP模型 都 有較 良 好的擬 合 效果，預(yù) 測(cè)結(jié)果 稍 高于實(shí) 際 氣溫； SAWTOOH和 WAV E對(duì)不 同塑料大棚的模擬效果差異較大，預(yù)測(cè)結(jié)果高于實(shí) 際 氣溫； WCALC和 BP對(duì)不同塑料大棚的模擬效果 有一定差異，并且 WCALC的模擬結(jié)果 略 低于實(shí) 際 氣溫， BP則 高 估 實(shí) 際 氣溫。 從 季節(jié)變化 而言 ， 5種 模型的擬 合 效果在冬季 都 要 稍 差一些， TEMP在夏季 模擬效果最好， BP在秋季模擬效果最好， WAV E在 春夏季節(jié)模擬效果較好， WCALC和 SAWTOOH則 無(wú) 季節(jié)差異。 2.1.2 各季節(jié) 典 型日模擬結(jié)果的 比 較 在 句容 和 盤城 地區(qū)， 每 各季節(jié)選 取 一 個(gè)典 型晴 天和 典 型陰雨天，分別利用 5種模型模擬 每 日塑料 大棚溫室內(nèi)逐時(shí)氣溫的變化過(guò)程， 與 相應(yīng)實(shí)測(cè)數(shù)據(jù) 進(jìn)行對(duì) 比 ，結(jié)果 見(jiàn)圖 2、 圖 3。 由圖 中可 見(jiàn) ， 典 型晴 天和陰雨天的氣溫變化 趨勢(shì) 相 似 ， 只 是 由 于晴天和 陰雨天 云 量的不同，陰雨天 云 量 多 ，大氣 保 溫效果 好，故晴天和陰雨天氣溫變化 幅 度也不一 樣 ，陰雨 天的氣溫通常低于晴天，但 全 天氣溫較 穩(wěn) 定， 波 動(dòng) 不明 顯 。晴天 條件 下， 句容 地區(qū) 5種模型的平均模 擬誤差（ 忽略 季節(jié)影響， 取四 季平均 RMSE）分別為 1.56、 1.55、 0.99、 1.48和 0.95， 盤城 地區(qū)分別為 0.42、 0.67、 0.45、 0.64 和 0.62， 從 均方 根 誤差 （ RMSE）來(lái) 看 ， 典 型晴天下不同塑料大棚的模擬情 況 與 各季節(jié)的 總 體情況相 似 ， 從個(gè) 體的 角 度 再 次 證 明了 之前 的結(jié)論。 典 型陰雨天 條件 下， 句容 地區(qū) 5種 圖 1 塑料大棚內(nèi)四季逐時(shí)平均氣溫模擬值與實(shí)測(cè)值的日內(nèi)變化 Fig. 1 Daily variation of the simulated by five models and observed values of the average hourly temperature in the four seasons inside the plastic greenhouse 中 國(guó) 農(nóng) 業(yè) 氣 象 第 39卷 ·648· 表 2 五種模型對(duì)塑料大棚內(nèi)四季逐時(shí)平均氣溫的模擬精度 Table 2 Simulation accuracy of five models for seasonal average hourly temperature in the plastic greenhouse 春 Spring 夏 Summer 秋 Autumn 冬 Winter 地區(qū) Area 模型 Model R RMSE （ ） MBE （ ） R RMSE （ ） MBE （ ） R RMSE （ ） MBE （ ） R RMSE （ ） MBE （ ） WAVE 0.96 0.72 0.30 0.92 0.85 0.16 0.87 1.00 0.35 0.95 0.87 0.39 WCALC 0.96 0.61 0.02 0.92 0.86 0.15 0.88 0.87 0.02 0.95 0.78 0.06 TEMP 0.99 0.33 0.21 0.99 0.21 0.11 0.99 0.33 0.16 0.99 0.35 0.20 SAWTOOH 0.92 0.96 0.30 0.93 0.84 0.16 0.93 0.80 0.35 0.91 1.07 0.39 句容 Jurong BP 0.97 0.77 0.46 0.96 1.07 0.38 0.99 0.47 0.13 0.98 0.76 0.29 WAVE 0.99 0.21 0.09 0.97 0.16 0.02 0.98 0.26 0.18 0.97 0.33 0.14 WCALC 0.92 0.46 0.09 0.87 0.35 0.08 0.95 0.28 0.04 0.88 0.53 0.12 TEMP 0.97 0.32 0.09 0.95 0.21 0.05 0.95 0.32 0.12 0.90 0.51 0.19 SAWTOOH 0.99 0.21 0.09 0.99 0.14 0.02 0.98 0.26 0.18 0.99 0.25 0.14 盤城 Pancheng BP 0.98 0.41 0.14 0.82 0.40 0.06 0.95 0.34 0.17 0.93 0.43 0.00 模型的平均均方 根 誤差分別為 0.80、 0.79、 0.66、 0.86 和 0.89， 盤城 地區(qū)分別為 0.21、 0.28、 0.26、 0.19 和 0.28?？梢?看 出， 典 型陰雨天的模擬精度 與典 型 晴天相 比 有明 顯 的提高，但其相關(guān)系數(shù)（ R）較低， 晴天 條件 下， 5種模型模擬結(jié)果 與 實(shí)測(cè)值 之間 平均相 關(guān)系數(shù) =0.95且 R 0.88， 即 模型可以較好地 描述 氣溫 上升 和下 降 時(shí)的變化 趨勢(shì) ， 而 陰雨天 條件 下模擬結(jié)果 與 實(shí)測(cè)值 之間 =0.85且 R 0.53，表明模型 雖然 可以較 準(zhǔn)確地模擬逐時(shí)氣溫，但是對(duì)氣溫的變化情況 描述 不 夠細(xì) 致。對(duì) 比 不同模型在 典 型晴天和 典 型陰雨天下的 模擬情況可 知 ，正弦 指數(shù)分段函數(shù)（ TEMP）在晴天 和陰雨天氣中 都 有較好的模擬結(jié)果，在春夏季節(jié)和陰 雨天 條件 下誤差較??；神經(jīng)網(wǎng)絡(luò)模型（ BP）的模擬效 果在晴天時(shí)僅次于 TEMP，但在陰雨天時(shí)的模擬誤差 則無(wú)顯著減 小，受天氣情況的影響較??；余弦分段函 數(shù)（ WAV E） 、正弦分段函數(shù)（ WCALC）和一次分段 函數(shù)（ SAWTOOH）在陰雨天的模擬效果明 顯 好于晴 天時(shí)， 說(shuō) 明其受天氣和塑料大棚本身的影響較大。 圖 2 四季典型晴天塑料大棚內(nèi)逐時(shí)氣溫模擬值與實(shí)測(cè)值的日內(nèi)變化 Fig. 2 Variation of the simulated by five models and observed values of hourly temperature on a sunny day in four seasons inside the plastic greenhouse 第 10期 韋婷婷等：玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型 ·649·圖 3 四季典型陰雨天塑料大棚內(nèi)逐時(shí)氣溫模擬值與實(shí)測(cè)值的日內(nèi)變化 Fig. 3 Variation of the simulated by five models and observed values of hourly temperature on a rainy day in four seasons inside the plastic greenhouse 表 3 四季典型天氣條件五種模型對(duì)塑料大棚內(nèi)逐時(shí)氣溫模擬精度 Table 3 Simulation accuracy of five models for seasonal average hourly temperature in the plastic greenhouse on the typical weather days 春 Spring 夏 Summer 秋 Autumn 冬 Winter 地區(qū) Area 模型 Model R RMS E（ ） MBE （ ） R RMSE （ ） MBE （ ） R RMSE （ ） MBE （ ） R RMSE （ ） MBE （ ） 晴天 Sunny day WAVE 0.97 1.13 0.33 0.94 1.21 0.29 0.88 2.66 1.06 0.98 1.22 0.56 WCALC 0.95 1.58 0.93 0.92 1.28 0.15 0.89 2.23 0.01 0.97 1.12 0.47 TEMP 0.95 1.38 0.55 0.99 0.47 0.24 0.98 1.00 0.43 0.97 1.10 0.21 SAWTOOH 0.97 1.06 0.32 0.94 1.13 0.29 0.93 2.16 1.06 0.95 1.56 0.56 句容 Jurong BP 0.98 0.99 0.49 0.99 0.56 0.10 0.98 1.43 0.84 0.99 0.81 0.00 WAVE 0.98 0.97 0.56 0.98 0.26 0.03 0.99 0.16 0.03 0.98 0.28 0.05 WCALC 0.95 1.25 0.01 0.90 0.56 0.14 0.92 0.48 0.22 0.96 0.40 0.23 TEMP 0.98 0.91 0.46 0.97 0.30 0.06 0.96 0.30 0.00 0.97 0.30 0.10 SAWTOOH 0.95 1.45 0.56 0.96 0.42 0.03 0.96 0.33 0.03 0.96 0.34 0.05 盤城 Pancheng BP 0.99 0.75 0.12 0.74 0.86 0.24 0.95 0.43 0.10 0.93 0.43 0.10 陰雨天 Rainy day WAVE 0.88 0.73 0.19 0.88 0.87 0.67 0.95 0.56 0.05 0.95 1.02 0.37 WCALC 0.87 0.67 0.05 0.92 0.61 0.42 0.95 0.71 0.44 0.92 1.15 0.23 TEMP 0.95 0.53 0.09 0.90 0.73 0.52 0.90 0.74 0.01 0.98 0.64 0.25 SAWTOOH 0.86 0.65 0.19 0.88 0.84 0.67 0.91 0.64 0.05 0.91 1.29 0.37 句容 Jurong BP 0.85 0.68 0.27 0.65 0.90 0.35 0.78 1.04 0.33 0.96 0.95 0.28 WAVE 0.93 0.33 0.10 0.71 0.17 0.03 0.99 0.05 0.02 0.62 0.30 0.05 WCALC 0.81 0.48 0.02 0.59 0.19 0.00 0.94 0.22 0.11 0.69 0.24 0.02 TEMP 0.89 0.39 0.12 0.70 0.17 0.04 0.95 0.17 0.00 0.53 0.31 0.03 SAWTOOH 0.97 0.23 0.10 0.78 0.14 0.03 0.98 0.13 0.02 0.65 0.26 0.05 盤城 Pancheng BP 0.89 0.44 0.15 0.86 0.25 0.15 0.860.30 0.11 0.94 0.14 0.03 中 國(guó) 農(nóng) 業(yè) 氣 象 第 39卷 ·650· 2.2 玻璃溫室內(nèi)逐時(shí)氣溫變化過(guò)程模擬結(jié)果比較 2.2.1 各季節(jié)模擬結(jié)果的 比 較 泰州 和 浦口 地區(qū)玻璃溫室各季模擬結(jié)果 比 較 見(jiàn) 圖 4。 由圖 可 見(jiàn) ，玻璃溫室內(nèi)的氣溫變化 與 塑料大棚 內(nèi)變化 趨勢(shì) 一致， 5種模型模擬的逐時(shí)氣溫變化過(guò)程 與 實(shí)測(cè)數(shù)據(jù)分 布 特 點(diǎn) 基本一致。表 4為 5種模型對(duì) 玻璃溫室內(nèi) 四 季逐時(shí)平均氣溫模擬精度的 比 較。對(duì) 于 泰州 地區(qū)， 5 種模型 全 年平均模擬誤差分別為 1.24、 1.06、 0.37、 1.29和 0.81，其中正弦 指數(shù)分 段函數(shù)（ TEMP）和神經(jīng)網(wǎng)絡(luò)模型（ BP）的模擬結(jié)果 明 顯 好于其 它 模型，并且 都 在春夏季節(jié)模擬較準(zhǔn)確， 但 從 平均 偏 差（ MBE）來(lái) 看 ， TEMP 的模擬結(jié)果高 于實(shí)測(cè)值， 而 BP的 MBE則無(wú) 明 顯 規(guī)律；其次，正 弦分段函數(shù)（ WCALC）的模擬效果僅次于 TEMP和 BP，其模擬精度 隨 季節(jié)的變化差異不明 顯 ，預(yù)測(cè)結(jié) 果低于實(shí)測(cè)值；余弦分段函數(shù)（ WAV E）在春夏季節(jié) 較精確，預(yù)測(cè)結(jié)果高于實(shí) 際 氣溫；一次分段函數(shù) （ SAWTOOH）的模擬結(jié)果較差且高于實(shí) 際 氣溫。 浦 口 地區(qū) 全 年平均誤差分別為 1.05、 0.88、 0.72、 1.15 和 0.78，對(duì) 比 可 知 ， TEMP的均方 根 誤差 與泰州 地 區(qū)相 比增加 了 95%，但其模擬效果依 舊 好于其 它 模 型，但 此 時(shí)其在秋冬季節(jié)的模擬精度較高； BP模型 的模擬結(jié)果地區(qū) 間 差異并不明 顯 ，但其也表現(xiàn)為在 秋冬季節(jié)的模擬效果較好； WCALC模型的模擬誤差 相 比泰州 地區(qū) 減 少了 17%，并且在秋季誤差較?。?WAV E和 SAWTOOH的模擬誤差相近，均 稍 高于實(shí) 際 氣溫并且在夏季誤差最小。 綜上 可 知 ， 5種模型均可 根 據(jù)日最高、最低氣溫 模擬玻璃溫室內(nèi)氣溫的逐時(shí)日變化， 5種模型的平均 誤差分別為 1.14、 0.97、 0.55、 1.22、 0.79。對(duì) 比 可 知 ， TEMP模型和 BP在模擬精度 上 具有明 顯優(yōu)勢(shì) ， 且其季節(jié)變化特 征 在不同的玻璃溫室也表現(xiàn)不一； WCALC的模擬效果較好， 與 其 它 模型不同的是其模 擬結(jié)果通常 稍 低于實(shí)測(cè)值； WAV E和 SAWTOOH的 模擬精度較低，且 都 在夏季模擬效果最好。 2.2.2 各季節(jié) 典 型日模擬結(jié)果 比 較 在 泰州 和 浦口 地區(qū)， 每個(gè) 季節(jié)選 取 一 個(gè)典 型晴 天和 典 型陰雨天，分別利用 5種模型計(jì)算 每 日玻璃 溫室內(nèi)逐時(shí)氣溫， 與 相應(yīng)實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì) 比 ，結(jié)果 如圖 5、 圖 6所 示 。 由圖 可 見(jiàn) ，玻璃溫室內(nèi)的氣溫分 布 也 符合 下 降 快速上升 快速 下 降 的基本規(guī)律， 并且晴天和陰雨天的氣溫分 布 也 與 塑料大棚類 似 ， 5 種模型模擬的逐時(shí)氣溫變化過(guò)程 與 實(shí)測(cè)數(shù)據(jù)分 布 特 點(diǎn) 基本一致。表 5為 5種模型對(duì)玻璃溫室內(nèi) 四 季 典 型 圖 4 玻璃溫室內(nèi)四季逐時(shí)平均氣溫模擬值與實(shí)測(cè)值的日內(nèi)變化 Fig. 4 Daily variation of the simulated by five models and observed values of the seasonal average of hourly temperature inside the glass greenhouse 第 10期 韋婷婷等：玻璃溫室和塑料大棚內(nèi)逐時(shí)氣溫模擬模型 ·651· 表 4 五種模型對(duì)玻璃溫室內(nèi)四季逐時(shí)平均氣溫模擬精度 Table 4 Simulation accuracy of five models for seasonal average hourly temperature in the glass greenhouses 春 Spring 夏 Summer 秋 Autumn 冬 Winter 地區(qū) Area 模型 Model R RMSE （ ） MBE （ ） R RMSE （ ） MBE （ ） R RMSE （ ） MBE</p>
京公網(wǎng)安備 11010502048994號(hào)
個(gè)人主頁(yè)